基于情境相似度和二次聚类的协同过滤推荐算法

• 作者: 文俊浩 熊庆宇 蔡海尼 覃梦秋 黎懋靓
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 推荐系统 情境相似度 协同过滤 核心用户 二次聚类
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 210-213,234
• 页数: 5页
• 分类号: TP312
• 字数: 4490字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.4.043

摘要

随着移动互联网规模的不断扩大,传统推荐系统因较少考虑多种情境因素和用户置信度对用户偏好预测的综合影响,造成了推荐算法预测结果的偏差.针对此问题,将情境信息引入个性化推荐的过程中,提出一种基于情境相似度和二次聚类的协同过滤算法.该算法首先根据用户情境的相似度对用户进行初始聚类,再基于评分矩阵计算用户评分置信度,将用户分为核心用户和非核心用户;然后根据核心用户评分对初始聚类的簇心进行调整,并对簇中非核心用户进行重聚类,形成新的聚簇;最终根据情境相似度对用户偏好进行预测.该算法可以在一定程度上降低评分矩阵中的噪点对聚类结果的影响,提高了推荐结果的准确性.基于实际数据集的仿真实验表明,该算法与传统协同过滤算法相比能够有效提高用户偏好预测的准确性,增加协同过滤推荐算法的精确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	文俊浩	重庆大学软件学院	132	1224	19.0	25.0
2	熊庆宇	重庆大学软件学院	55	621	14.0	22.0
3	蔡海尼	重庆大学软件学院	9	81	6.0	9.0
4	覃梦秋	重庆大学软件学院	2	12	2.0	2.0
5	黎懋靓	重庆大学软件学院	1	10	1.0	1.0